1.Sentinel 是阿里阿里如何做限流的
2.Sentinel 流控规则不生效？你可能需要排查下这些原因
3.阿里巴巴的 26 款超神 Java 开源项目！
4.八、Sentinel介绍和使用
5.阿里巴巴 Sentinel + InfluxDB + Chronograf 实现监控大屏
6.Sentinel与Hystrix的区别

Sentinel 是源码源代如何做限流的

       限流作为保障服务高可用的重要手段，在微服务架构中尤为重要，阿里阿里通过限制接口或资源访问，源码源代有效提升服务可用性和稳定性。阿里阿里对比传统的源码源代tt语音隐身源码限流工具如Guava的RateLimiter，阿里提供的阿里阿里Sentinel在功能上更为丰富、强大。源码源代

       Guava的阿里阿里RateLimiter基于令牌桶算法，操作简单，源码源代但功能相对单一。阿里阿里相比之下，源码源代Sentinel作为阿里巴巴推出的阿里阿里一种限流、熔断中间件，源码源代不仅支持复杂规则的阿里阿里配置，还能提供集群范围内的限流功能，并将服务调用情况可视化，满足更广泛的使用场景。

       目前，Sentinel已在多个项目中得到应用，本文将深入剖析其限流机制，主要围绕限流的总体流程、源码解析、Context、量化网站源码Node、Entry等核心概念，以及责任链机制的实现过程，详细介绍Sentinel是如何通过责任链模式，结合滑动窗口算法，实现高效、灵活的限流功能。

       在Sentinel中，限流、熔断逻辑主要在SphU.entry方法中实现。该方法会在请求进入Sentinel时，对资源进行限流和熔断的逻辑处理。如果触发熔断或限流，会抛出BlockException，开发者可以自定义处理逻辑。对于业务异常，也有相应的fallback方法处理。

       限流流程如下：首先获取资源的Context，构建Node调用树，聚合相同资源不同Context的Node，然后进行资源调用统计和限流判断。限流机制基于滑动窗口算法，动态调整QPS限制，vue导航源码确保服务在高负载下依然稳定运行。

       在阅读源码过程中，我们首先关注了Context、Node、Entry等关键概念，理解它们在Sentinel中的角色和作用。Context封装了当前线程的调用链上下文信息，Node作为资源调用的统计包装，Entry则作为限流凭证，记录了资源的责任链和当前Context，实现资源调用链的构建和管理。

       责任链中的每个节点（如NodeSelectorSlot、ClusterBuilderSlot、StatisticSlot、FlowSlot等）都有特定的功能，如获取资源对应的Node、聚合相同资源不同Context的Node、资源调用统计、限流判断等。这些节点通过责任链模式紧密协作，共同完成限流逻辑的执行。

       在责任链的执行过程中，NodeSelectorSlot负责获取资源对应的拍卖程序 源码Node，ClusterBuilderSlot聚合相同资源不同Context的Node，StatisticSlot负责资源调用的统计信息更新，而FlowSlot则根据Node的统计信息进行限流判断。这个过程不仅高效地实现了限流功能，还保证了系统的稳定性和性能。

       在责任链执行完毕后，无论请求是否成功或被限流，都会执行Entry.exit()方法，进行最终的收尾工作。至此，Sentinel的限流机制实现了从请求处理到资源调用统计，再到限流判断和执行，最后的收尾操作的完整流程。

       总体来看，Sentinel通过其丰富的功能、灵活的配置和高效的实现机制，在微服务架构中为限流提供了强有力的支持，不仅保障了服务的高可用性，还提升了系统的整体性能和稳定性。

Sentinel 流控规则不生效？你可能需要排查下这些原因

       在使用阿里Sentinel作为流控组件时，确保流控规则按预期触发可能遇到一些问题。以下是一些可能导致流控规则不生效的原因以及排查方案：

       1. 未应用流控规则：通常通过编码实现或配合Dashboard进行配置。应用节点重启时，久久收源码若未进行push/pull改造，流控规则可能会丢失。为避免此问题，需将规则持久化至Nacos等，并在应用启动时加载恢复流控规则。

       2. 权限变更或配置修改：可能导致流控规则加载失败，检查sentinel-record.log日志中是否存在加载规则为空的输出。

       3. 处理器方法名错误：编码时可能因空格、字母拼写错误导致找不到对应方法。关注sentinel-record.log日志中关于找不到方法的警告输出。

       4. 缺乏fallback调用：应用日志可能报错，检查sentinel-record.log日志中是否存在找不到方法的警告输出。

       5. fallbackClass和blockHandlerClass误用：需确保使用时的fallback、defaultFallback、blockHandler为静态方法，否则可能导致忽略对应处理。检查sentinel-record.log日志中关于找不到方法的警告输出。

       6. 异常捕获规则不当：@SentinelResource注解的exceptionsToTrace和exceptionsToIgnore参数设置不当，可能导致异常不被捕获。检查默认配置和错误配置，如exceptionsToIgnore设置为Throwable或exceptionsToTrace设置为[]。

       7. 同名handler方法的遮蔽现象：blockHandler仅支持一种参数类型列表，而fallback和defaultFallback支持两种参数类型列表。检查业务代码结构，避免因遮蔽导致新写入的处理方法不生效。

       8. AOP失效：在手动搭建最小依赖环境下可能出现AOP不生效的问题，需检查sentinel-annotation-aspectj依赖是否引入以及SentinelResourceAspectBean是否声明。

       为了避免这些问题，开发者可以使用一款名为Alibaba Sentinel Annotation Support的IDEA插件。此插件提供了跳转、自动补全、快速创建功能，对无效handler值进行了检查，并提供了快速修复选项。同时，它检查handler class中不存在对应静态方法时的警告，并提供快速创建选项。对于异常捕获设置导致忽略所有异常的情况提供警告。此外，该插件还能检查handler遮蔽现象、AOP依赖和Bean缺失，并提供了其他无效设置检查和bug避坑提示。通过此插件，开发者可以在代码上线前识别并解决潜在问题，降低流控失效的风险。

阿里巴巴的 款超神 Java 开源项目！

       Spring Cloud Alibaba

       致力于提供分布式应用服务开发的一站式解决方案，包含开发分布式应用服务所需的组件。通过 Spring Cloud 编程模型，开发者只需添加注解和少量配置，即可将应用接入阿里分布式应用解决方案，利用阿里中间件快速搭建分布式系统。

       地址：github.com/spring-cloud...

       Druid

       Druid 是一个 JDBC 组件，提供监控数据库访问性能、高效数据库连接池、数据库密码加密和 SQL 执行日志等功能。

       地址：github.com/alibaba/drui...

       fastjson

       fastjson 是一个快速且功能强大的 Java JSON 处理库，由阿里巴巴工程师开发。特点包括快速、支持 Jdk 类、零依赖等。

       地址：github.com/alibaba/fast...

       Dubbo

       Apache Dubbo (incubating) 是一款高性能、轻量级的开源 Java RPC 框架，提供面向接口的远程方法调用、智能容错和负载均衡、服务自动注册和发现等功能。

       地址：github.com/alibaba/dubb...

       JStorm

       JStorm 是基于 Apache Storm 实现的实时流式计算框架，改进了网络 IO、线程模型、资源调度、可用性及稳定性，广泛应用于企业。

       地址：github.com/alibaba/jsto...

       apns4j

       apns4j 是 Apple Push Notification Service 的 Java 实现。

       地址：github.com/teaey/apns4j

       TDDL

       TDDL 是基于集中式配置的 JDBC 数据源实现，支持主备、读写分离、动态数据库配置等功能。

       地址：github.com/alibaba/tb_t...

       CobarClient

       Cobar Client 是基于 iBatis 和 Spring 的轻量级分布式数据访问层。

       地址：github.com/alibaba/coba...

       TaobaoJVM

       TaobaoJVM 是基于 OpenJDK HotSpot VM 的优化、定制且开源的服务器版 Java 虚拟机，已在淘宝、天猫上线。

       地址：jvm.taobao.org

       SimpleImage

       SimpleImage 是阿里巴巴的 Java 处理类库，支持缩略、水印等处理。

       地址：github.com/alibaba/simp...

       Tedis

       Tedis 是另一个 redis 的 Java 客户端，旨在打造高可用 Redis 解决方案。

       地址：github.com/justified/te...

       Arthas

       Arthas（阿尔萨斯）是阿里巴巴开源的 Java 诊断工具，采用命令行交互模式，提供 Tab 自动补全功能，便于问题定位和诊断。

       地址：alibaba.github.io/artha...

       Nacos

       Nacos 致力于帮助开发者实现动态服务发现、服务配置管理、服务及流量管理，构建以服务为中心的现代应用架构。

       地址：nacos.io/en-us/

       easyexcel

       Java 解析、生成 Excel 的轻量级框架，提供模型转换封装，使用简便。

       地址：github.com/alibaba/easy...

       Sentinel

       Sentinel 是面向微服务的轻量级流量控制框架，提供流量控制、熔断降级、系统负载保护等功能。

       地址：github.com/alibaba/Sent...

       SOFALookout

       Lookout 是一个利用多维度 metrics 进行系统度量和监控的项目，支持 metrics 数据收集、加工、存储和查询等。

       地址：github.com/alipay/sofa-...

       SOFABoot

       SOFABoot 是基于 Spring Boot 的研发框架，提供 Readiness Check、类隔离、日志空间隔离等功能，方便使用 SOFAStack 相关中间件。

       地址：github.com/alipay/sofa-...

       SOFAArk

       SOFAArk 是一款轻量级 Java 类隔离容器，提供类隔离和依赖包隔离能力，支持简单的单模块或 Spring Boot 应用。

       地址：alipay.github.io/sofast...

       SOFATracer

       SOFATracer 是用于分布式系统调用跟踪的组件，通过统一的 traceId 记录调用链路，便于故障发现和服务治理。

       地址：github.com/alipay/sofa-...

       SOFARPC

       SOFARPC 是高性能、高可扩展性的 Java RPC 框架，提供方便透明、稳定高效的点对点远程服务调用方案。

       地址：github.com/alipay/sofa-...

       SOFABolt

       SOFABolt 是基于 Netty 实现的网络通信框架，旨在简化基于网络通信的业务逻辑实现。

       地址：github.com/alipay/sofa-...

       JVM-Sandbox

       JVM-Sandbox 是基于 JVM 的非侵入式运行期 AOP 解决方案。

       地址：github.com/alibaba/jvm-...

       OpenMessaging

       OpenMessaging 是由阿里巴巴发起的分布式消息及流处理领域的应用开发标准。

       地址：github.com/openmessagin...

       Dragonfly

       Dragonfly 是阿里自研的 P2P 文件分发系统，用于解决大规模文件分发场景下分发耗时、成功率低等问题。

       地址：github.com/alibaba/Drag...

       VirtualLayout

       VirtualLayout 是针对 RecyclerView 的 LayoutManager 扩展，提供布局方案和组件复用。

       地址：github.com/alibaba/vlay...

       P3C

       P3C 是 Java 代码规约扫描插件，包含 PMD 实现、IntelliJ IDEA 插件和 Eclipse 插件。

       地址：github.com/alibaba/p3c

八、Sentinel介绍和使用

        Sentinel (分布式系统的流量防卫兵) 是阿里开源的一套用于服务容错的综合性解决方案。它以流量

        为切入点, 从流量控制、熔断降级、系统负载保护等多个维度来保护服务的稳定性。

        不依赖任何框架/库,能够运行于所有 Java 运行时环境，同时对 Dubbo /Spring Cloud 等框架也有较好的支持。

        基于 Spring Boot 开发，打包后可以直接运行，不需要额外的 Tomcat 等应用容器。

        Sentinel所有知识都可以官网查询： 官网地址

        浏览器地址： mandKey 和 groupKey（用于区分资源）以及对应的隔离策略（线程池隔离 or 信号量隔离）。线程池隔离模式下需要配置线程池对应的参数（线程池名称、容量、排队超时等），然后 Command 就会在指定的线程池按照指定的容错策略执行；信号量隔离模式下需要配置最大并发数，执行 Command 时 Hystrix 就会限制其并发调用。

       Sentinel 的设计则更为简单。相比 Hystrix Command 强依赖隔离规则，Sentinel 的资源定义与规则配置的耦合度更低。Hystrix 的 Command 强依赖于隔离规则配置的原因是隔离规则会直接影响 Command 的执行。在执行的时候 Hystrix 会解析 Command 的隔离规则来创建 RxJava Scheduler 并在其上调度执行，若是线程池模式则 Scheduler 底层的线程池为配置的线程池，若是信号量模式则简单包装成当前线程执行的 Scheduler。而 Sentinel 并不指定执行模型，也不关注应用是如何执行的。Sentinel 的原则非常简单：根据对应资源配置的规则来为资源执行相应的限流/降级/负载保护策略。在 Sentinel 中资源定义和规则配置是分离的。用户先通过 Sentinel API 给对应的业务逻辑定义资源（埋点），然后可以在需要的时候配置规则。埋点方式有两种：

        try-catch 方式（通过 SphU.entry(...)），用户在 catch 块中执行异常处理 / fallback

        if-else 方式（通过 SphO.entry(...)），当返回 false 时执行异常处理 / fallback

       Sentinel 提供 多样化的规则配置方式 。除了直接通过 loadRules API 将规则注册到内存态之外，用户还可以注册各种外部数据源来提供动态的规则。用户可以根据系统当前的实时情况去动态地变更规则配置，数据源会将变更推送至 Sentinel 并即时生效。

       éš”离是 Hystrix 的核心功能之一。Hystrix 提供两种隔离策略：线程池隔离（Bulkhead Pattern）和信号量隔离，其中最推荐也是最常用的是线程池隔离。Hystrix 的线程池隔离针对不同的资源分别创建不同的线程池，不同服务调用都发生在不同的线程池中，在线程池排队、超时等阻塞情况时可以快速失败，并可以提供 fallback 机制。线程池隔离的好处是隔离度比较高，可以针对某个资源的线程池去进行处理而不影响其它资源，但是代价就是线程上下文切换的 overhead 比较大，特别是对低延时的调用有比较大的影响。

        但是，实际情况下，线程池隔离并没有带来非常多的好处。首先就是过多的线程池会非常影响性能。考虑这样一个场景，在 Tomcat 之类的 Servlet 容器使用 Hystrix，本身 Tomcat 自身的线程数目就非常多了（可能到几十或一百多），如果加上 Hystrix 为各个资源创建的线程池，总共线程数目会非常多（几百个线程），这样上下文切换会有非常大的损耗。另外，线程池模式比较彻底的隔离性使得 Hystrix 可以针对不同资源线程池的排队、超时情况分别进行处理，但这其实是超时熔断和流量控制要解决的问题，如果组件具备了超时熔断和流量控制的能力，线程池隔离就显得没有那么必要了。

        Sentinel 可以通过并发线程数模式的流量控制来提供信号量隔离的功能。这样的隔离非常轻量级，仅限制对某个资源调用的并发数，而不是显式地去创建线程池，所以 overhead 比较小，但是效果不错。并且结合基于响应时间的熔断降级模式，可以在不稳定资源的平均响应时间比较高的时候自动降级，防止过多的慢调用占满并发数，影响整个系统。而 Hystrix 的信号量隔离比较简单，无法对慢调用自动进行降级，只能等待客户端自己超时，因此仍然可能会出现级联阻塞的情况。

        熔断降级对比 sentinel和Hystrix的熔断降级本质都是基于熔断器模式

         Sentinel 与 Hystrix 都支持基于失败比率（异常比率） 的熔断降级 æ­¤æ—¶æ‰€æœ‰å¯¹è¯¥èµ„源的调用都会被 block，直到过了指定的时间窗口后才启发性地恢复。上面提到过，Sentinel 还支持基于平均响应时间的熔断降级，可以在服务响应时间持续飙高的时候自动熔断，拒绝掉更多的请求，直到一段时间后才恢复。这样可以防止调用非常慢造成级联阻塞的情况。

       å®žæ—¶æŒ‡æ ‡ç»Ÿè®¡å®žçŽ°å¯¹æ¯”

        Hystrix 和 Sentinel 的实时指标数据统计实现都是基于滑动窗口的。Hystrix 1.5 之前的版本是通过环形数组实现的滑动窗口，通过锁配合 CAS 的操作对每个桶的统计信息进行更新。Hystrix 1.5 开始对实时指标统计的实现进行了重构，将指标统计数据结构抽象成了响应式流（reactive stream）的形式，方便消费者去利用指标信息。同时底层改造成了基于 RxJava 的事件驱动模式，在服务调用成功/失败/超时的时候发布相应的事件，通过一系列的变换和聚合最终得到实时的指标统计数据流，可以被熔断器或 Dashboard 消费。

        Sentinel 目前抽象出了 Metric 指标统计接口，底层可以有不同的实现，目前默认的实现是基于LeapArray的滑动窗口，后续根据需要可能会引入 reactive stream 等实现。

       Sentinel 的特色

        除了之前提到的两者的共同特性之外，Sentinel 还提供以下的特色功能：

        轻量级，高性能 

        Sentinel 作为一个功能完备的高可用流量管控组件，其核心sentinel-core没有任何多余依赖，打包后只有不到K，非常轻量级，开发者可以放心引入 sentinel-core è€Œä¸éœ€æ‹…心依赖问题 ，同时sentinel提供多种扩展点，用户可以很方便的根据需求去进行扩展，而且无缝切换到Sentinel中

        引入Sentinel带来的性能损耗非常小。只有在业务单机量级超过 W QPS 的时候才会有一些显著的影响（5% - % 左右），单机 QPS 不太大的时候损耗几乎可以忽略不计。

       æµé‡æŽ§åˆ¶

        Sentinel可以针对不同的调用 以不同的运行指标 å¦‚ QPS、并发调用数、系统负载等）为基准，对资源调用进行流量控制，将随机的请求调整成合适的形状。

        Sentinel 支持多样化的流量整形策略，在 QPS 过高的时候可以自动将流量调整成合适的形状。常用的有：

        直接拒绝模式：即超出的请求直接拒绝。

        慢启动预热模式： 当流量激增的时候，控制流量通过的速率，让通过的流量缓缓的增加，在一定时间内逐渐增加到阈值上限，给冷系统一个预热的时间，避免冷系统被压垮。

        匀速器模式 åˆ©ç”¨ Leaky Bucket 算法实现的匀速模式，严格控制了请求通过的时间间隔，同时堆积的请求将会排队，超过超时时长的请求直接被拒绝。

       Sentinel   Hystrix

        隔离策略基于并发数线程池隔离/信号量隔离

        熔断降级策略基于响应时间或失败比率基于失败比率

        实时指标实现滑动窗口滑动窗口（基于 RxJava）

        规则配置支持多种数据源支持多种数据源

        扩展性多个扩展点插件的形式

        基于注解的支持即将发布支持

        调用链路信息支持同步调用不支持

        限流基于 QPS / 并发数，支持基于调用关系的限流不支持

        流量整形支持慢启动、匀速器模式不支持

        系统负载保护支持不支持

        实时监控 API各式各样较为简单

        控制台开箱即用，可配置规则、查看秒级监控、机器发现等不完善

        常见框架的适配Servlet、Spring Cloud、Dubbo、gRPC 等Servlet、Spring Cloud Netflix

       æ–‡ç« å‡ºå¤„ /educast/article/details/